Dieser Kurs ist Teil der Spezialisierung Spezialisierung Deep Learning

4.9
Sterne
61,756 Bewertungen

96 %

Andrew Ng +2 weitere Dozenten

Herausragende Dozenten

478.460 bereits angemeldet

von

Spezialisierung Deep Learningdeeplearning.ai

Über diesen Kurs

374.637 kürzliche Aufrufe

In the second course of the Deep Learning Specialization, you will open the deep learning black box to understand the processes that drive performance and generate good results systematically. 
By the end, you will learn the best practices to train and develop test sets and analyze bias/variance for building deep learning applications; be able to use standard neural network techniques such as initialization, L2 and dropout regularization, hyperparameter tuning, batch normalization, and gradient checking; implement and apply a variety of optimization algorithms, such as mini-batch gradient descent, Momentum, RMSprop and Adam, and check for their convergence; and implement a neural network in TensorFlow.

The Deep Learning Specialization is our foundational program that will help you understand the capabilities, challenges, and consequences of deep learning and prepare you to participate in the development of leading-edge AI technology. It provides a pathway for you to gain the knowledge and skills to apply machine learning to your work, level up your technical career, and take the definitive step in the world of AI.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 2 von 5 in

Spezialisierung Deep Learning

Stufe „Mittel“

Intermediate Python skills: basic programming, understanding of for loops, if/else statements, data structures
A basic grasp of linear algebra & ML

Ca. 24 Stunden zum Abschließen

Englisch

Kompetenzen, die Sie erwerben

Tensorflow
Deep Learning
Mathematical Optimization
hyperparameter tuning

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 2 von 5 in

Spezialisierung Deep Learning

Stufe „Mittel“

Intermediate Python skills: basic programming, understanding of for loops, if/else statements, data structures
A basic grasp of linear algebra & ML

Ca. 24 Stunden zum Abschließen

Englisch

Dozenten

Dozentenbewertung

4,92/5 (4.530 Bewertungen)

von

deeplearning.ai

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung96%(67,094 Bewertungen)

Woche

Woche 1

12 Stunden zum Abschließen

Practical Aspects of Deep Learning

12 Stunden zum Abschließen

15 Videos (Gesamt 131 min), 4 Lektüren, 6 Quiz

15 Videos

Train / Dev / Test sets12m

Bias / Variance8m

Basic Recipe for Machine Learning6m

Regularization9m

Why Regularization Reduces Overfitting?7m

Dropout Regularization9m

Understanding Dropout7m

Other Regularization Methods8m

Normalizing Inputs5m

Vanishing / Exploding Gradients6m

Weight Initialization for Deep Networks6m

Numerical Approximation of Gradients6m

Gradient Checking6m

Gradient Checking Implementation Notes5m

Yoshua Bengio Interview25m

4 Lektüren

Clarification about Upcoming Regularization Video1m

Clarification about Upcoming Understanding Dropout Video1m

How to Download your Notebook

How to Refresh your Workspace5m

1 praktische Übung

Practical aspects of Deep Learning 50m

Woche

Woche 2

5 Stunden zum Abschließen

Optimization Algorithms

5 Stunden zum Abschließen

11 Videos (Gesamt 92 min), 2 Lektüren, 3 Quiz

11 Videos

Mini-batch Gradient Descent11m

Understanding Mini-batch Gradient Descent11m

Exponentially Weighted Averages5m

Understanding Exponentially Weighted Averages9m

Bias Correction in Exponentially Weighted Averages4m

Gradient Descent with Momentum9m

RMSprop7m

Adam Optimization Algorithm7m

Learning Rate Decay6m

The Problem of Local Optima5m

Yuanqing Lin Interview13m

2 Lektüren

Clarification about Upcoming Adam Optimization Video1m

Clarification about Learning Rate Decay Video1m

1 praktische Übung

Optimization Algorithms50m

Woche

Woche 3

6 Stunden zum Abschließen

Hyperparameter Tuning, Batch Normalization and Programming Frameworks

6 Stunden zum Abschließen

11 Videos (Gesamt 103 min), 5 Lektüren, 3 Quiz

11 Videos

Tuning Process7m

Using an Appropriate Scale to pick Hyperparameters8m

Hyperparameters Tuning in Practice: Pandas vs. Caviar6m

Normalizing Activations in a Network8m

Fitting Batch Norm into a Neural Network12m

Why does Batch Norm work?11m

Batch Norm at Test Time5m

Softmax Regression11m

Training a Softmax Classifier10m

Deep Learning Frameworks4m

TensorFlow15m

5 Lektüren

Clarification about Upcoming Normalizing Activations in a Network Video1m

Clarifications about Upcoming Softmax Video1m

(Optional) Learn about Gradient Tape and More1m

References10m

Acknowledgments10m

1 praktische Übung

Hyperparameter tuning, Batch Normalization, Programming Frameworks50m

Bewertungen

4.9

7175 Bewertungen

5 stars
88,21 %
4 stars
10,60 %
3 stars
1 %
2 stars
0,11 %
1 star
0,05 %

Top-Bewertungen von IMPROVING DEEP NEURAL NETWORKS: HYPERPARAMETER TUNING, REGULARIZATION AND OPTIMIZATION

von CV23. Dez. 2017

Exceptional Course, the Hyper parameters explanations are excellent every tip and advice provided help me so much to build better models, I also really liked the introduction of Tensor Flow

Thanks.

von NA13. Jan. 2020

After completion of this course I know which values to look at if my ML model is not performing up to the task. It is a detailed but not too complicated course to understand the parameters used by ML.

von AB26. Aug. 2021

Amazing course which focus on the theoretical part of parameters tuning, but it needs more explanation of Tensorflow, as I felt a little lost in the last project. Except that, it is an amazing course.

von AS27. Sep. 2018

Excellent course. Bit tougher than first course. For those who have done Machine Learning course earlier and wondered that first course feels almost similar, second course is the 'real' next course.

Alle Bewertungen anzeigen

Über den Spezialisierung Deep Learning

The Deep Learning Specialization is a foundational program that will help you understand the capabilities, challenges, and consequences of deep learning and prepare you to participate in the development of leading-edge AI technology.

In this Specialization, you will build and train neural network architectures such as Convolutional Neural Networks, Recurrent Neural Networks, LSTMs, Transformers, and learn how to make them better with strategies such as Dropout, BatchNorm, Xavier/He initialization, and more. Get ready to master theoretical concepts and their industry applications using Python and TensorFlow and tackle real-world cases such as speech recognition, music synthesis, chatbots, machine translation, natural language processing, and more. AI is transforming many industries. The Deep Learning Specialization provides a pathway for you to take the definitive step in the world of AI by helping you gain the knowledge and skills to level up your career. Along the way, you will also get career advice from deep learning experts from industry and academia.

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Improving Deep Neural Networks: Hyperparameter Tuning, Regularization and Optimization

Über diesen Kurs

Kompetenzen, die Sie erwerben

Dozenten

Andrew Ng
Herausragender Dozent

Kian Katanforoosh
Herausragender Dozent

Younes Bensouda Mourri
Herausragender Dozent

von

deeplearning.ai

Lehrplan - Was Sie in diesem Kurs lernen werden

Practical Aspects of Deep Learning

Optimization Algorithms

Hyperparameter Tuning, Batch Normalization and Programming Frameworks

Bewertungen

Top-Bewertungen von IMPROVING DEEP NEURAL NETWORKS: HYPERPARAMETER TUNING, REGULARIZATION AND OPTIMIZATION

Über den Spezialisierung Deep Learning

Häufig gestellte Fragen

Starten oder fördern Sie Ihre Karriere

Beliebte Kurse und Zertifizierungen

Beliebte Sammlungen und Artikel

Abschluss oder Zertifikat online erwerben

Coursera

Community

Mehr

Improving Deep Neural Networks: Hyperparameter Tuning, Regularization and Optimization

Über diesen Kurs

Kompetenzen, die Sie erwerben

Dozenten

Andrew NgHerausragender Dozent

Kian KatanforooshHerausragender Dozent

Younes Bensouda MourriHerausragender Dozent

von

deeplearning.ai

Lehrplan - Was Sie in diesem Kurs lernen werden

Practical Aspects of Deep Learning

Optimization Algorithms

Hyperparameter Tuning, Batch Normalization and Programming Frameworks

Bewertungen

Top-Bewertungen von IMPROVING DEEP NEURAL NETWORKS: HYPERPARAMETER TUNING, REGULARIZATION AND OPTIMIZATION

Über den Spezialisierung Deep Learning

Häufig gestellte Fragen

Coursera Footer

Starten oder fördern Sie Ihre Karriere

Beliebte Kurse und Zertifizierungen

Beliebte Sammlungen und Artikel

Abschluss oder Zertifikat online erwerben

Coursera

Community

Mehr

Andrew Ng
Herausragender Dozent

Kian Katanforoosh
Herausragender Dozent

Younes Bensouda Mourri
Herausragender Dozent